Refine
Document Type
Keywords
- Asset-to-Go (1)
- CAD (1)
- Handguiding (1)
- Human-Robot-Collaboration (1)
- Machine Learning (1)
- Mensch-Roboter-Kooperation (1)
- Robot-Programming (1)
- Wandlungsfähigkeit (1)
- cellular neural nets (1)
- convolution (1)
Institute
As Convolutional Neural Network based models become reliable and efficient, two questions arise in relation to their applications for industrial purposes. The usefulness of these models in industrial environments and their implementation in these settings. This paper describes the autonomous generation of Region based CNN models trained on images from rendered CAD models and examines their applicability and performance for part handling application. The development of the automated synthetic data generation is detailed and two CNN models are trained with the aim to detect a car component and differentiate it against another similar looking part. The performance of these models is tested on real images and it was found that the proposed approach can be easily adopted for detecting a range of parts in arbitrary backgrounds. Moreover, the use of syntheic images for training CNNs automates the process of generating a detector.
This work describes three technical improvements to the handling assistant, a collaborative robot for handling and commissioning, concerning the depth of information the robot can extract from the teaching process. The teaching process involves an unskilled worker setting up the robots movements and actions through hand guiding to instruct the robot to perform a given task. The possibilities of improvements in picking, placement and path demonstrated are identified and solutions for the same are presented. The task of picking of the part is improved through the use of null space motion of the robot and exploiting part symmetry. The task of placement of parts is improved through the use of data collected during the demonstration. Finally the path of the robot is optimized using regression with a cost function targeted minimizing the time required for path movement. The developed methods are implemented and validated on a test case using a handling assistant which has a KUKA iiwa robot and collaborative gripper.
Die heutige Automobilindustrie ist durch zunehmende Individualisierungswünsche der Kunden sowie einer Verkürzung der Konjunkturzyklen gekennzeichnet. Für Fahrzeughersteller, wie der Daimler AG äußert sich diese Marktsituation in einer hohen Variantenvielfalt und Stückzahlschwankungen. Da die Ausprägungen dieser Einflüsse weitgehend unbekannt sind, muss das Produktionssystem darauf vorbereitet sein, bedarfsgerecht der Marktsituation angepasst zu werden. Diese Anpassungen müssen schnell, mit wenig Aufwand und geringen Kosten möglich sein. Wandlungsfähige Produktionssysteme gehören deshalb zu den strategischen Erfolgsgrößen für die Automobilindustrie. Innerhalb dieses Beitrags wird ein modularer, skalierbarer Produktionsbaukasten vorgestellt, der Bestandteil einer Planungs- und Entwicklungsumgebung wandlungsfähiger roduktionskonzepte ist. Die hierfür genutzte grenzwerttheoretische Entwicklungsmethodik wird erläutert und die Skalierungsmöglichkeiten des Produktionsbaukastens mit Hilfe neuer Produktionstechnologien betrachtet. Dabei zeichnet sich die Mensch-Roboter-Kooperation als wesentlicher Bestandteil wandlungsfähiger Produktionskonzepte ab. „Smarte Produktionsassistenten“ sind intelligente und sichere Roboter-Applikationen, die sich als Möglichkeit hervortun die Mensch-Roboter-Kooperation als Schlüsseltechnologie in industriellen Anwendungen zu realisieren.